Streamlit turns data scripts into shareable web apps in minutes. All in pure Python. No front‑end experience required.
Python の可視化ライブラリである Seaborn を利用して表現豊かなグラフを生成するためのテクニックを紹介する記事です。グラフの選択基準としてデータを構成する値が分類のある値かそれとも連続値であるかに注目しており、この記事を通して実践的なテクニックを身につけることができます。 可視化は素晴らしいものです。ですが、優れた可視化の実現は悩ましく容易ではありません。 また、大勢に対して優れた可視化をプレゼンするような場合には時間と労力がかかりますよね。 私たちは棒グラフ、散布図、ヒストグラムの作り方についてはよく知っていますが、それらを美しくすることに対してはそこまでの注意を払っていません。 このことは同僚やマネージャーからの信頼に影響します。今あなたがそれを感じることはありませんが、それは起こることです。 さらに、私はコードの再利用が重要であることを知っています。新しいデータセットに触
Dash apps give a point-&-click interface to models written in Python, vastly expanding the notion of what's possible in a traditional "dashboard." With Dash apps, data scientists and engineers put complex Python analytics in the hands of business decision-makers and operators. When building Dash apps in a business setting, you'll need Dash Enterprise to deploy and scale them, plus integrate them w
Pythonで可視化といえばMatplotlibだけど、APIがごちゃちゃしていて覚えにくいのが難点かな。BokehがAPIもうまく整理されていて一番使い勝手がいい気がするけど、まだまだ日本語の情報が少ないのが惜しいところ。 これからはWebにも対応できるBokehが伸びてくるんじゃないかと勝手に期待している。 おすすめの使い分け方 簡単なデータを手早くプロットするなら Matplotlib MATLABからPythonに乗り換えたなら Matplotlib かっこよく人に見せたいなら Bokeh 対話操作を入れたいなら Bokeh グラフ上のデータ点の数値を確認したいなら Bokeh Plotly 3D形状をプロットするなら Plotly Mayavi 統計分析するなら seaborn Matplotlib 良い点 簡単なデータをプロットするのは楽。 プロットの機能が充実している(気がす
ThoughtSpot acquires Mode to define the next generation of collaborative BI >>Learn More
例えば、pythonで機械学習のプログラムを書いて結果を可視化するといった場合、matplotlibを使うことが多いと思いますが、matplotlibで書いた図をインタラクティブに操作出来るようにするmpld3というライブラリがあるので、それを紹介します。 mpld3とは mpld3は、matplotlibで作成された図をベクタ形式の図に変換し、D3.jsによるデータ操作のHTML/Javascriptを合わせて出力するライブラリです。 出力されたHTMLをブラウザで開くと、拡大縮小やマウスオーバーでtooltipを表示したりといったインタラクティブな操作が可能となっています。 使い方 matplotlibが使えれば、とても簡単にインタラクティブな図を作ることが出来ます。まずはインストールをpipで(jinja2が必要なのでそれも一緒に)。 $ pip install jinja2 $ p
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く